नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Inception: Mercury 2 vs Poolside: Laguna S 2.1

Laguna S 2.1 (high) average score मध्ये पुढे आहे: 5.4 vs 4.6. Mercury 2 चा benchmark खर्च कमी आहे: $0.030 vs $0.127. Mercury 2 वेगवान आहे: 829ms vs 111.61s, pass rates 22.7% vs 27.3%.

शिफारस केलेले मॉडेलMercury 2Its score stays close to the best score here (4.6 vs 5.4), while costing about 4.3x less than Laguna S 2.1 (high).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-25

तुलना सारांश

क्रमांक
#204
एकूण आउटपुट टोकन्स
9,564
प्रतिसाद वेळ (सरासरी)
829ms
एकूण खर्च
$0.030
क्रमांक
#173
एकूण आउटपुट टोकन्स
584,864
प्रतिसाद वेळ (सरासरी)
111.61s
एकूण खर्च
$0.127
मेट्रिक Mercury 2 Mercury 2 none प्रकाशन: 2026-02-24 Laguna S 2.1 Laguna S 2.1 high प्रकाशन: 2026-07-21 मोफत उपलब्ध
स्कोअर 4.6 5.4
क्रमांक #204 #173
विश्वसनीयता 10.0 9.9
सुसंगतता 9.2 8.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 22.7% 27.3%
अस्थिर चाचण्या 2 5
एकूण रन 66 66
प्रति निकाल खर्च 0.734 3.153
एकूण खर्च $0.030 $0.127
इनपुट किंमत $0.250 / 1M $0.100 / 1M
आउटपुट किंमत $0.750 / 1M $0.200 / 1M
एकूण इनपुट टोकन्स 88,704 208,931
आउटपुट टोकन्स 9,564 175,588
रिझनिंग टोकन्स 0 409,276
प्रतिसाद वेळ (सरासरी) 829ms 111.61s
प्रतिसाद वेळ (कमाल) 4.52s 1190.11s
प्रतिसाद वेळ (एकूण) 18.24s 2455.39s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#204 Mercury 2

none
खर्च
$0.002
वेळ
1.8s
टोकन्स
1,514 tok

#173 Laguna S 2.1

high
खर्च
$0.001
वेळ
6.8s
टोकन्स
1,389 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0
Laguna S 2.1 5.3 7.2 44.4% 1 271.42s 6,496 59,355 151,009

झटपट तुलना

तुलना जोडी बदला